Dosen Pengampu :
Prof . Dr. Asmin Panjaitan , M.Pd.
DISUSUN OLEH :
NIM : 4183111067
JURUSAN MATEMATIKA
2019
KATA PENGANTAR
Puji dan syukur kehadirat Tuhan Yang Maha Esa yang telah memberikan
berkat dan rahmat-Nya sehingga saya dapat menyelesaikan tugas Critical Book
Report ini. Critical Book Report ini disusun untuk memenuhi tugas pada mata
kuliah Teori Bilangan.
2
DAFTAR ISI
KATA PENGANTAR………………………………………………..2
BAB I PENDAHULUAN
1.2 Tujuan......................................................................................5
1.3 Manfaat………………………………………………………5
3.1 Kesimpulan..........................................................................11
3.2 Saran....................................................................................11
DAFTAR PUSTAKA……………………………………………..12
3
BAB 1
PENDAHULUAN
4
1.2 Tujuan
1.3 Manfaat
a. Buku Utama
b. Buku Pembanding
5
Penerbit : Fakultas Keguruan dan Ilmu Pendidikan
6
BAB II
ISI BUKU
A. Buku Utama
Variabel random pada ruang sampel S adalah fungsi berharga nyata yang
domainnya adalah S. Variabel random dinamakan pula variate, chance variable
atau stochastic variable. Contoh variabel random ialah banyaknya M yang muncul
pada lambungan tiga mata uang jika ketiga mata uang dilambungkan bersama satu
kali.
Definisi: “Jika X adalah variable random pada ruang sampel S maka untuk
setiap s ϵ S tertentu nilangan nyata X (s) dan daerah hasil dari X dinyatakan
dengan S (s)”
Contoh 1 : Pada lambungan tiga mata uang bersama satu kali, X adalah
variable random yang menyatakan “banyaknya M yang muncul”, maka :
X(S) = {0,1,2,3}
Maka
Y(s) : 2,3,4,5,6,7,8,9,10,11,12
Y(S) : {2,3,4,5,6,7,8,9,10,11,12}
Ruang sampel diskrit yaitu ruang sampel yang terhitung, misalnya ruang
sampel pada lambungan seribu dadu bersama, dan sebagainya. Variabel random
7
yang didefinisikan pada ruang sampel ini disebut variabel random diskrit. Selain
ruang sampel jenis pertama, ada pula ruang sample yang tidak terhitung
(uncountable) dan variable random yang didefinisikan pada ruang sampel ini
disebut ruang sampel kontinu, misalnya ruang sampel hasil pengukuran berat
bayi.
Definisi :
(X+k)(s) = X(s) + k Vs ϵ S
(kX)(s) = k(X)(s) Vs ϵ S
Contoh :
Y(s) : 1,2,3,4,5,6
8
X-Y menyatakan “banyaknya mata yang muncul pada dadu pertama dikurangi
banyaknya mata yang muncul pada dadu kedua”
Fungsi Probabilitas
Perhatikan ruang sampel percobaan perlambungan dua dadu bersama satu kali;
Suatu percobaan yang hanya ada dua macam saja hasilnya, dan jika probabilitas
kedua macam hasil tadi tetap, percobaan semacam ini disebut percobaan
“Bernoulli”. Fungsi probabilitas untuk variabel random pada percobaan Bernoulli
disebut fungsi probabilitas disebut probabilitas Bernoulli atau distribusi Bernoulli.
Ruang sampel untuk percobaan adalah S = {H,G}.
Distribusi Binomial
Jika suatu percobaan Bernoulli kita ulang, kita akan dapat distribusi probabilitas
baru yang dinamakan distribusi Binomial. Misalkan kita lakukan percobaan
berulang dengan melambungkan sebuah mata uang 1,2,3,4,…,n kali, dikatakan
sukses jika muncul M, P(H) = θ dan nilai θ adalah tetap ialah ½.
B. Buku Pembanding
Variabel random pada hakekatnya adalah fungsi yang terdefinisi dalam ruang
sampel, sehingga dari variabel random tersebut dapat dibentuk distribusinya.
Variabel random dibedakan menjadi dua yaitu variabel random diskrit dan
variabel random kontinu. Fungsi yang berkaitan dengan variabel random disebut
probability density function (pdf) atau disebut fungsi pekat peluang. Berkaitan
9
dengan pdf tersebut dapat dibentuk CDF (Cumulative Distrubution Function),
ekspektasi dan variansi termasuk juga MGF (Moment Generating Function).
Ada dua macam variabel random yaitu variabel random diskrit dan variabel
random kontinu.
a. Variabel Random Diskrit
Jika himpunan semua nilai variabel random X yang mungkin adalah himpunan
yang dapat dihitung (countable) x ,x ,...,x , 1 2 n or x ,x ,..., 1 2 maka X disebut
variabel random diskrit (a discrete random variabel). Fungsi tersebut f(x) =
P[X=x] x = x ,x ,...,1,2 disebut fungsi masa peluang diskrit (discrete probability
mass function).
1) Fungsi Masa Peluang (pmf)
Teorema 2.1
Fungsi f(x) adalah pmf (probability mass function) diskrit jika dan hanya jika
dipenuhi kedua sifat-sifat berikut untuk paling banyak himpunan bilangan real
x ,x ,...: 1 2 tak hingga yang dapat dihitung (at most a countably infnite).
2) CDF (Cumulative Distribution Function)
The cumulative distribution function (CDF) dari suatu variabel random X
didefinisikan untuk sebarang bilangan real x dengan
F(x) = P [X≤x]
3) Ekspektasi (Expectation)
Jika X adalah variabel diskrit dengan pdf f(x), maka nilai ekspektasi dari X
didefinisikan
Contoh 4 :
Sebuah kotak berisi 4 kartu. Dua kartu diberi label dengan nomor 2 ; satu diberi
label dengan nomor 4 dan yang lain dengan nomor 8. Percobaan memilih sebuah
kartu secara random dan dicatat nomornya dapat dikaitkan dengan variabel
random diskrit X yang mempunyai nilai berbeda x = 2, x = 4, dan x = 8 dengan
f(2) = 1/2 ; f(4) = f(8) = 1/4. Jadi, nilai expektasinya adalah
E(x) = 2(1/2) + 4(1/4) + 8(1/4) = 4.
c. Variabel Random Kontinu
10
1) Fungsi peluang (pdf) dan CDF nya
A variabel random X disebut variabel random kontinu jika ada fungsi f(x) adalah
the probability density function (pdf) of X
Catatan :
Penyelesaian untuk f’(x)=0 adalah maksimum dari f(x) yang tunggal. Secara
umum Mean; Median; dan Modus mungkin semuanya berbeda tetapi ada kasus-
kasus tertentu dimana semuanya itu sama.
d. Variabel Campuran
Mungkin sekali bahwa variabel random mempunyai distribusi yang tidak diskrit
murni atau tidak kontinu murni. Distribusi untuk variabel random X adalah tipe
campuran jika CDF mempunyai bentuk
F(x) = a Fd(x) + (1-a) Fc(x) ; 0<a<1
Keterangan :
Fd(x) : CDF dari distribusi diskrit
Fc(x) : CDF dari distribusi kontinu
e. Beberapa Sifat Ekspektasi
Teorema 2.5 :
Jika X variabel random dengan pdf f(x) and u(x) adalah fungsi bernilai real yang
domainnya meliputi nilai-nilai X yang mungkin
Ini jelas bahwa nilai ekspektasi akan mempunyai sifat linearitas terkait dengan
integral dan penjumlahan.
Teorema 2.6 :
Jika X variabel random dengan pdf f(x), a dan b adalah konstan, serta g(x) dan
h(x) adalah fungsi bernilai real yang domainnya memuat nilai X yang mungkin,
maka E[ag(X)+bh(X)]= aE[g(X)]+bE[h(X)]
Variansi variabel random X diberikan
Var (X) = E[(X - μ)2] dimana μ = E(x)
11
BAB III
PEMBAHASAN
A. Buku Utama
Buku ini memiliki penjelasan serta penjabaran yang lengkap dan runtut
sehingga memudahkan pembacanya, ukuran buku yang tidak begitu tebal dan
besar sehingga memudahkan untuk dibawa, banyak disertakan contoh soal dan
pembahasan didalamnya.
B. Buku Pembanding
A. Buku Utama
Materi dalam buku ini kurang dilengkapi gambar atau ilustrasi yang
berhubungan dengan teori peluang, tidak adanya warna dalam buku ini. Dilihat
dari variasi contoh soal dan latihan soal kurang bervariasi karena tidak sesuai
dengan penyajian dari defini dan sifat-sifatnya serta cara penyelesaiannya
hanya dengan satu cara. Bahasa yang digunakan sedikit sulit dipahami, dan
dalam penyajiannya sangan ringkas tanpa banyak menggunakan kata-kata
pendukung yang menyertai setiap pokok permasalahannya.
B. Buku Pembanding
Buku ini menyajikan contoh soal yang kurang variasi, kurangnya definisi
dari tiap sub-bab yang dijabarkan, dan kurangnya ilustrasi yang disertakan.
12
BAB IV
PENUTUP
4.1 Kesimpulan
Dapat disimpulkan dari kedua buku ini, bahwa kedua buku memiliki
kelebihan dan kekurangan masing-masing dalam segi penyajian maupun
penjelasannya. Buku utama sudah cukup bagus untuk dijadikan referensi bagi
mahasiswa/i dalam pembelajaran di perkuliahan. Serta buku pembanding dapat
digunakan sebagai bahan referensi lain dalam mempelajari teori peluang.
4.2 Saran
13
DAFTAR PUSTAKA
Siagian, Pargaulan., 2010, Teori Peluang, Medan : Fakultas Matematika dan Ilmu
Pengetahuan Alam
14